中低资源训练与跨域泛化的 Middle Dutch 词汇化句法树解析

近年来，越来越多关注将神经网络和语境化词嵌入应用于历史语言的句法树解析。然而，大多数进展都集中在依存句法解析，而针对中低资源历史语言如中古荷兰语的句法树解析受到很少关注。在本文中，我们调整了基于 Transformer 的句法树解析器以适应中古荷兰语，这是一种高度异构且资源有限的语言，并研究提高其 in-domain 和跨域性能的方法。我们表明与更高资源辅助语言联合训练可提高 F1 分数最高可达 0.73，最大收益来自地理和时间上靠近中古荷兰语的语言。我们进一步评估了利用来自额外领域的新标注数据的方法，发现 fine-tuning 和数据组合均可实现可 comparable 的改进，而我们的神经解析器在中古荷兰语上持续优于当前使用的 PCFG 解析器。我们进一步探索了用于 domain adaptation 的 feature-separation 技术，证明大约需要 200 个示例的 minimum threshold 才能有效提升跨域性能。